Regresi & Korelasi Linier Sederhana

1.

Pendahuluan
Gagasan perhitungan ditetapkan oleh Sir Francis Galton (1822-1911)

Persamaan regresi :Persamaan matematik yang memungkinkan peramalan nilai suatu

peubah takbebas (dependent variable) dari nilai peubah bebas
(independent variable)

Diagram Pencar = Scatter Diagram

Diagram yang menggambarkan nilai-nilai observasi peubah takbebas dan peubah
bebas.

Nilai peubah bebas

ditulis pada sumbu X (sumbu horizontal)
Nilai peubah takbebas ditulis pada sumbu Y (sumbu vertikal)
Nilai peubah takbebas ditentukan oleh nilai peubah bebas
Anda sudah dapat menentukan mana peubah takbebas dan peubah bebas?
Contoh 1:
Umur Vs Tinggi Tanaman
Biaya Promosi Vs Volume penjualan

Jenis-jenis Persamaan Regresi :

(X : Umur, Y : Tinggi)
(X : Biaya Promosi, Y : Vol. penjualan)
a. Regresi Linier :
- Regresi Linier Sederhana
- Regresi Linier Berganda
b. Regresi Nonlinier
- Regresi Eksponensial

Regresi Linier
- Bentuk Umum Regresi Linier Sederhana

Y = a + bX
Y
X
a
b

: peubah takbebas
: peubah bebas
: konstanta
: kemiringan

- Bentuk Umum Regresi Linier Berganda

Y = a + b1X1 + b2X2 + ...+ bnXn

Y
X1
X2
Xn

: peubah takbebas
: peubah bebas ke-1
: peubah bebas ke-2
: peubah bebas ke-n

a
b1
b2
bn

: konstanta
: kemiringan ke-1
: kemiringan ke-2
: kemiringan ke-n

Regresi Non Linier

- Bentuk umum Regresi Eksponensial

Y = abx
log Y = log a + (log b) x

2.

Regresi Linier Sederhana

Metode Kuadrat terkecil (least square method):

menetapkan persamaan regresi linier sederhana

metode

paling populer untuk

- Bentuk Umum Regresi Linier Sederhana :

Y = a + bX
Y
a

: peubah takbebas
: konstanta

X
b

: peubah bebas
: kemiringan

Nilai b dapat positif (+) dapat negartif (-)

b : positif Y

b : negatif Y
Y = a + bX

Y = a - bX

Penetapan Persamaan Regresi Linier Sederhana

n xi yi

i 1

x y
i

i 1

n xi2
i 1

x
i 1

i 1
2

a y bx

sehingga

yi
i 1

x
i 1

n : banyak pasangan data

yi : nilai peubah takbebas Y ke-i
xi : nilai peubah bebas X ke-i
Contoh 2 :

Berikut adalah data Biaya Promosi dan Volume Penjualan

Minyak Goreng.
x
Biaya Promosi
(Juta Rupiah)
2
4
5
7
8
x = 26

Tahun
1992
1993
1994
1995
1996

y
Volume Penjualan
(Ratusan Juta Liter)
5
6
8
10
11
y = 40

xy
10
24
40
70
88
xy = 232

PT BIMOIL perusahaan

x
4
16
25
49
64
x =158

y
25
36
64
100
121
y = 346

n=5
bentuk umum persaman regresi linier sederhana : Y = a + b X

n xi yi

x y

i 1

i 1

i 1

n xi2

x
i 1

i 1
2

(5 232) (26 40) 1160 1040 120

105263
.
...
790 676
114
(5 158) (26 2 )

= 1.053
n

yi
i 1

x
i 1

40
26
a
1.05263... 8 1.05263...5.2 8 5.4736... 2.5263.... = 2.530
5
5

Y=a+bX

Y = 2.530 + 1.053 X

Peramalan dengan Persamaan Regresi

Contoh 3 :
Diketahui hubungan Biaya Promosi (X dalam Juta Rupiah) dan Y (Volume penjualan
dalam Ratusan Juta liter) dapat dinyatakan dalam persamaan regresi linier berikut
Y = 2.530 + 1.053 X
Perkirakan Volume penjualan jika dikeluarkan biaya promosi Rp. 10 juta ?
Jawab :

Y = 2.530 + 1.053 X
X = 10
Y = 2.53 + 1.053 (10) = 2.53 + 10.53 = 13.06 (ratusan juta liter)
Volume penjualan = 13.06 x 100 000 000 liter

3.

Korelasi Linier Sederhana

Koefisien Korelasi (r) : ukuran hubungan linier peubah X dan Y
Nilai r berkisar antara (+1) sampai (-1)
Nilai r yang (+) ditandai oleh nilai b yang (+)
Nilai r yang (-) ditandai oleh nilai b yang (-)
Jika nilai r mendekati +1 atau r mendekati -1 maka
X dan Y memiliki korelasi linier yang tinggi
Jika nilai r = +1 atau r = -1 maka X dan Y memiliki korelasi linier sempurna
Jika nilai r = 0 maka X dan Y tidak memiliki relasi (hubungan) linier
(dalam kasus r mendekati 0, anda dapat melanjutkan analisis ke regresi
eksponensial)

Koefisien Determinasi Sampel = R = r

Ukuran proporsi keragaman total nilai peubah Y yang dapat dijelaskan oleh nilai
peubah X melalui hubungan linier.

Penetapan & Interpretasi Koefisien Korelasi dan Koefisien Determinasi

n xi yi

x y

i 1

i 1

i 1

n x xi n yi2
i 1 i 1

i 1

2
i

i 1

R r2
Contoh 4 :
Lihat Contoh 2, setelah mendapatkan persamaan Regresi Y = 2.530 + 1.053 X, hitung
koef. korelasi (r) dan koef determinasi (R).
Gunakan data berikut (lihat Contoh 2)
x = 26 y = 40

xi

i 1

xy = 232
n

n xi yi
i 1

y
i 1

5 158 (26 ) (5 346) (40 )

2
i

y = 346

n 2
n x xi n yi
i 1 i 1

i 1
n

x =158

i 1

(5 232) ( 26 40)
2

1160 1040

790 676 1730 1600

120
114 130

120
120

0.9857...
14820 121.73...

Nilai r = 0.9857 menunjukkan bahwa peubah X (biaya promosi) dan Y (volume penjualan)
berkorelasi linier yang positif dan tinggi

R r 2 0.9857...2 = 0.97165....= 97 %
Nilai R = 97% menunjukkan bahwa 97% proporsi keragaman nilai peubah Y (volume
penjualan) dapat dijelaskan oleh nilai peubah X (biaya promosi) melalui hubungan linier.
Sisanya, yaitu 3 % dijelaskan oleh hal-hal lain.
4.

Regresi Linier Berganda

Pembahasan akan meliputi regresi linier dengan 2 Variabel Bebas (X 1 dan X2) dan 1
Variabel Tak Bebas (Y).

Bentuk Umum : Y = a + b1 X1 + b2 X2
Y
: peubah takbebas
X1
: peubah bebas ke-1
X2
: peubah bebas ke-2

a
b1
b2

: konstanta
: kemiringan ke-1
: kemiringan ke-2

a , b1 dan b2 didapatkan dengan menyelesaikan tiga persamaan Normal berikut:

i 1

i 1

i 1

n a + b1 x1i b 2 x2i yi

(i)

(ii)

(iii)

i 1

i 1

i 1

i 1

i 1

i 1

i 1

i 1

a x1i + b1 x1i 2 b 2 x2 i x1i x1i yi

a x2i + b1 x2i x1i b 2 x2i 2 x2i yi

n : banyak pasangan data

x1i : nilai peubah bebas X1 ke-i

yi : nilai peubah takbebas Y ke-i

x2i : nilai peubah bebas X2 ke-i

Contoh 4:
Berikut adalah data Volume Penjualan (juta unit) Mobil dihubungkan dengan variabel
biaya promosi (X1 dalam juta rupiah/tahun) dan variabel biaya penambahan asesoris ( X2
dalam ratusan ribu rupiah/unit).

x1

x2

x1 x2

x1y

x2y

x1

x2

2
3
5
6
7
8

3
4
6
8
9
10

=31

4
5
8
10
11
12

6
12
30
48
63
80

y= x

50

=
40

8
15
40
60
77
96

x2

239

12
20
48
80
99
120
y

=
296

Tetapkan Persamaan Regresi Linier Berganda

n=6

x = 31
x x =239

x
x

2
1

=187

=
379

187

2
1

2
2

16
25
64
100
121
144

=
470

306

y = 50
x y = 379

= 40
y =296
1
2

9
16
36
64
81
100

= a + b1 X1 + b2 X2

4
9
25
36
49
64

y = 470
2

=306

Masukkan notasi-notasi ini dalam ketiga persamaan normal,

n

(i)

i 1

(ii)
(iii)

n a + b1 x1i b 2 x2i yi
i 1

i 1
n

i 1
n

i 1

i 1

i 1

a x1i + b1 x1i b 2 x2 i x1i x1i yi

2

i 1

i 1
n

i 1

i 1

a x2i + b1 x2i x1i b 2 x2i 2 x2i yi

Sehingga didapatkan tiga persamaan berikut:

(i)
(ii)
(iii)

6a
31 a
40 a

+
+
+

31 b1 +
187 b1 +
239 b1 +

40 b2
= 50
239 b2 = 296
306 b2 = 379

Lakukan Eliminasi, untuk menghilangkan (a)

(ii)
(i)

31 a
6a

+
+

(ii)
(i)

189 a +
189 a +
(iv)

239 b2 = 296
6
40 b2
= 50

187 b1
31 b1

+
+

1122 b1 +
961 b1

1434 b2
= 1776
+
1240 b2
= 1550

161b1

31

194 b2 = 226

Lalu
(iii)
(i)

40 a
6a

+
+

(iii)
(i)

240 a +
240 a +
(v)

239 b1
31 b1

+
+

306 b2 = 379
6
40 b2
= 50

1434 b1
1240 b1

+
+

1836 b2
1600 b2

= 2274
= 2000

194 b1

236 b2

= 274

40

Selanjutnya, eliminasi (b1) dan dapatkan nilai (b2)

(v)
(iv)

194 b1
161 b1

+
+

236 b2
194 b2

= 274
= 226

(v)
(iv)

31234 b1
31234 b1

+
+

37996 b2
37636 b2

= 44114
= 43844

360 b2
b2

=
=

161
194

270
0.75

Dapatkan Nilai (b1) dan nilai (a) dengan melakukan substitusi, sehingga:
(v)

194 b1

236 b2

= 274

194 b1
194 b1

+
+

236 (0.75)
= 274
177
= 274
194 b1 = 97
b1 = 0.50

Perhatikan b2 = 0.75

(i)

6a

31 b1

40 b2

= 50

Perhatikan b1 = 0.50 dan b2 = 0.75

6a
6a

+
+

31(0.50)
15.5

+
+

40 (0.75)
30
6a
a

= 50
= 50
= 4.5
= 0.75

Sehingga Persamaan Regresi Berganda

a + b1 X1 + b2 X2
5.

dapat ditulis sebagai 0.75 + 0.50 X1 + 0.75 X2

Korelasi Linier berganda

Koefisien Determinasi Sampel untuk Regresi Linier Berganda diberi notasi sebagai
2
berikut R y .12
Sedangkan Koefisien Korelasi adalah akar positif Koefisien Determinasi atau
2
ry .12 =
Ry.12

Rumus

Ry2.12 1

JKG
( n 1) s 2y

JKG : Jumlah Kuadrat Galat

sy : Jumlah Kuadrat y (terkoreksi)
di mana
s
2
y

n y 2

n(n 1)

JKG

a y b1 x1 y b2 x 2 y

Contoh 5:
Jika diketahui (dari Contoh 4)
n=6
x1 = 31
x 2 = 40
x 1 x 2 =239
x 1 y =296

2
1

=187

2
2

=306

y = 50
x y = 379
2

y = 470
2

2
Maka tetapkan R y .12 dan jelaskan artinya nilai tersebut!

s
2
y

n y 2

n(n 1)

6( 470) (50) 2
2820 2500 320
=

10.667
6(6 5)
30
30

JKG

a y b1 x1 y b2 x 2 y = 470 - 0.75(50) - 0.5 (296) - 0.75 (379)

Ry2.12 1

= 470 - 37.5 - 148 - 284.25

= 0.25

JKG
( n 1) s 2y

0.25
0.25
1
5 10.667
53.333

= 1 - 0.0046875
= 0.9953125
= 99.53%
2

Nilai R y.12 = 99.53% menunjukkan bahwa 99.53% proporsi keragaman nilai peubah Y
(volume penjualan) dapat dijelaskan oleh nilai peubah X (biaya promosi) dan X 2 (biaya
aksesoris) melalui hubungan linier.
Sisanya sebesar 0.47% dijelaskan oleh hal-hal lain.

Selesai

10